Retour
Analyse des données - méthodes décisionnelles
Objectifs de la formation
Objectifs Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants Compétences visées - Construire un arbre de décision en choisissant des critères pertinents de segmentation - Connaître l'intérêt des règles d'association et savoir les utiliser sur des données volumineuses - Savoir mener une modélisation de type régression multiple et en interpréter les résultats - Mettre en oeuvre une analyse discriminante, en mesurer la qualité des paramètres et fournir des probabilités d'appartenance à un groupe - Disposer d'un comparatif des méthodes avec leur propriété, qualité et conditions d'application - Utiliser les réseaux de neurones pour résoudre les problématiques de classification
Contenu de la formation
- Arbres de Décision Principe et algorithmes de construction Identification des variables discriminantes Arbre de régression et arbre de classement (discriminant) - Règles d'association Recherche des règles d'association pertinentes dans une base de données Sélection des meilleures règles et leur utilisation Utilisation en Data Mining - Modèle linéaire et régression multiple Modélisation de la relation entre la variable cible et les variables explicatives Interprétation des résultats et pièges à éviter - Analyse Discriminante Analyse linéaire discriminante Qualité d'une discrimination Probabilité d'appartenance à un groupe - Comparaisons, domaines d'application, conditions d'utilisation Comparaisons des propriétés, qualités et conditions d'application des familles de méthodes et des méthodes elles-mêmes. Complémentarité des méthodes Panorama des logiciels - Réseaux de Neurones Principes des réseaux de neurones (perceptron) Techniques de calculs Applications à la résolution de nombreux problèmes dont la discrimination et la régression
Résultats de la formation
Attestation d'acquis ou de compétences;Attestation de suivi de présence
Conditions spécifiques d'accès à la formation
Aucun.
Métier formé
Data / Big data
Niveau d'étude visé
Sans le Bac
Type d'immersion professionnelle
Formation initiale
Organisme de formation
Data Value
Durée de la formation
1 mois
Modalités de formation
formation entièrement présentielle
Prochaine(s) session(s)
- 09/12/2024 - 11/12/2024